1 000
Примерно
31 августа 2029
прогноз сбудется
Техника и наука

Машины станут такими же умными, как люди

В 2029 году, по мнению Курцвейла, искусственный интеллект пройдет признанный тест Тьюринга и достигнет человеческого уровня интеллекта

Сводная информация по прогнозу редактировать информацию

Сможет ли искусственный интеллект получить разум и стать умнее человека? Сообщения СМИ, аргументы в пользу и против прогноза:

Хроника событий, прогнозы, мнения, новые способы обучения ИИ

13 октября 2019 - Президент Российской Федерации подписал «Указ о развитии искусственного интеллекта». Документ утверждает «Национальную стратегию развития ИИ до 2030 года», а также регламентирует ее выполнение, формирование федеральных бюджетов на реализацию указа и обязывает всех исполнителей ежегодно отчитываться о ходе работ. Под ИИ в «Стратегии» подразумевается комплекс программных и аппаратных решений, которые позволяют получать при выполнении тех или иных задач результаты, как минимум, сопоставимые с результатами работы человека.    https://www.popmech.ru/technologies/news-513332-putin-podpisal-ukaz-ob-i...

21 декабря 2018 - Система «компьютерного зрения», разработанная в Калифорнийском университете в Лос-Анджелесе, может идентифицировать объекты, основываясь только на их частях. Начиная с младенчества мы узнаем о каком-то предмете, так как видим много его вариаций в различных контекстах. Такое контекстное обучение считается ключевой особенностью нашего мозга: оно помогает нам создавать надежные модели объектов, которые составляют часть интегрированного мировоззрения, где все функционально связано. Это понимание помогло инженерам добиться результата: они успешно протестировали систему с помощью порядка 9000 картинок, на каждой из которых были изображены люди и другие объекты. Платформа построила детальную модель человеческого тела без внешнего наведения и маркировки изображений. Во всех случаях их система работала лучше или по крайней мере так же, как традиционные системы компьютерного зрения с многолетним обучением, что вселяет надежду на дальнейший прогресс.   https://naked-science.ru/article/hi-tech/iskusstvennyy-intellekt-0

10 декабря 2018 - Для успешной интеграции роботов в человеческое общество ИИ надо также научить тому, что "чужое брать нехорошо". Исследователи под руководством Брайана Сказеллати из Йельского университета разработали единую систему, с помощью которой роботов можно научить базовым принципам обладания. Система работает на основе четырех алгоритмов. Первый алгоритм собирает информацию о владельцах объектов на примере фразы «Это мое», сказанной владельцем. Второй алгоритм, напротив, учится правилам, в соответствии с которыми человек не является обладателем объекта. Третий и четвертый алгоритм запоминают правила, которые распространяются владельцами на объекты в их обладании: например, обозначают то, что с объектами можно или нельзя делать. В результате, если исследователь попросит выбросить какой-то объект, система сможет обратиться к доступной ему информации о том, что этот объект кому-то принадлежит и, следовательно, не может быть выброшен, а затем отказаться. Полученную систему интегрировали в робота Baxter и провели эксперимент с объектами — разноцветными кубиками — и их обладателями: разные люди просили робота поднимать или выбрасывать различные объекты. Со встроенной системой определения обладания робот успешно определил валидность просьб исследователей для 14 объектов из 20В будущем ученые также хотят расширить возможности своей системы, обучив ее, к примеру, понятию заимствования, при котором, помимо обладателя, объект может — в той или иной мере — быть использован и другими.   https://nplus1.ru/news/2018/12/10/thats-mine

19 ноября 2018 - Как работает новый алгоритм активного обучения Query by Embedded Commettee (QBEC). Представьте себе жюри присяжных, которое разбирает дело в суде и большинством голосов решает, виновен человек или нет. При этом жюри всегда может обратиться к волшебнику Мерлину, который точно знает, виновен ли подсудимый. Жюри не может по каждому делу обращаться к Мерлину. Дело считается неинтересным, если присяжные практически единогласно голосуют за виновность или невиновность, это простой случай. Но если голоса присяжных разделяются, то это представляет интерес. В этом случае жюри обращается к волшебнику, получает ответ и при рассмотрении следующих аналогичных дел будет принимать более согласованные решения, что в будущем делает аналогичные случаи простыми. Переходя к терминологии алгоритма, под присяжными понимается классификатор (нейронная сеть), под жюри присяжных — несколько нейронных сетей, под судебным делом — анализируемый текст или изображение, под Мерлином — эксперт, делающий разметку сообщений.  Исследование показало, что такой метод обучения искусственного интеллекта позволил качественно улучшить алгоритм.    https://naked-science.ru/article/column/iskusstvennyy-intellekt-pomozhet

09 августа 2018 - В Институте точной механики и вычислительной техники им. С.А. Лебедева РАН при участии АО «Интеллект» прошел испытания робот, в основу обучения которого положен абсолютно новый принцип, копирующий, по словам ученых, алгоритмы познания мира младенцем. Система управления робота была основана на принципах доктора физико-математических наук Александра Жданова. В его концепции, нейрон не требует никакого внешнего супервизора, наблюдающего все входы и выходы нервной сети и настраивающего все веса нейронов методом back propagation, как это делается в современных так называемых искусственных нейросетях — это абсолютно нереально в природе. Биологический нейрон и наша модель имеют всё необходимое, чтобы самим обнаруживать коррелирующие сигналы на своих входах. Искусственный нейрон Жданова может иметь тысячи входов. Он наблюдает за входными сигналами и по определенному автономному правилу сам выращивает свои синапсы. В какой-то момент нейрон как бы говорит себе: «Ага! Эта комбинация сигналов повторялась уже 20 раз. Это не может быть случайностью. Запомню-ка я ее и буду на нее реагировать. С этого момента он начинает сообщать вовне о распознавании этого образа. Один нейрон отвечает за один образ. По словам ученого, это было подтверждено в известных опытах с «нейроном Дженнифер Энистон», когда было обнаружено, что если человек распознает образ актрисы, то срабатывает определенный нейрон. Схема запоминания образов аналогична процессу обучения человека: чтобы мы запомнили нового соседа во дворе, нам надо встретить его несколько раз. Либо он сразу должен произвести на нас сильное впечатление — это еще один алгоритм обучения. Нейрон считается обучившимся, когда ситуация повторилась нужное количество раз. Это количество устанавливается программистом для каждой ситуации индивидуально. Либо образ запоминается с первого раза, но тогда его появление должно сопровождаться очень сильной эмоцией — положительной или отрицательной. Оценка эмоций заложена в линейке нейронов. Если задевается нейрон с одной стороны линейки — машинным мозгом это воспринимается как «невыносимо плохо». С другой стороны линейки — «необыкновенно хорошо». Таким образом, в случае системы управления, основанной на «нейронах Жданова», происходит самообучение робота, а не обучение с учителем, как в случае других нейросетей. Управляющая система робота может ассоциировать слышимые ею слова с реальными ситуациями. Например, если несколько раз при появлении препятствия справа говорить вслух слова «препятствие справа», то робот свяжет эти слова с ситуацией и через некоторое время даже начнет реагировать на эти слова так, как будто он действительно увидел препятствие. Это лишний раз подтверждает биологичность разработанной схемы искусственного мозга. Принцип обучения нейронов без учителя похож на тот, что есть в сетях Хопфилда. При этом точно его не повторяет, так как у Жданова обучается один нейрон, а не сеть. В этом существенное отличие. Его оцифровка «аппарата эмоций» похожа на «обучение с подкреплением» — это целый раздел в машинном обучении, по которому идут эксперименты во всем мире. https://iz.ru/772421/anna-urmantceva/algoritm-poznaniia-v-rossii-sozdan-...

24 июля 2018 - Нынешний уровень развития искусственного интеллекта примерно равен уровню развития годовалого ребёнка. При этом этот ребёнок – часто неосознанно – ведёт себя как слон в посудной лавке. Об этом и многом другом говорили 19 июля 2018 года в Москве на III Форуме Scoring Case Forum. Сейчас нейронные сети способны найти 3-4 случая мошеннических операций из 10 тысяч операций. Однако именно нейронные сети виновны в том, что вам не с того не с сего блокируют обычный перевод. "У меня зуб на искусственный интеллект потому, что недавно я переводил деньги жене и мне заблокировали перевод", - рассказал Илья Мунерман, директор исследовательского подразделения Интерфакс ЛАБ. По его словам, даже разработчики не могут понять, почему машина приняла такое решение, а не другое. Ведущий попросил зал поднять руку тем, кто столкнулся с подобной проблемой. И очень многие руку подняли. https://www.finversia.ru/news/events/iskusstvennyi-intellekt-kak-godoval...

04 июля 2018 - Маркетинговая компания Alimama, приндлежащая Alibaba, представила ИИ-копирайтера. Как только клиенты выберут параметры для своей будущей рекламы, алгоритм приступит к работе со скоростью 20 000 строк рекламного текста в секунду. В компании сообщили, что алгоритм обучен на лучших работах и уже смог пройти тесть Тьюринга, то есть убедил наблюдателя, что он человек. Компания разработала копирайтера в первую очередь для своих собственных интернет-магазинов, таких как Tmall или Taobao. Ежедневно там появляются тысячи новых товаров, которым необходимо рекламное сопровождение. Достаточное количество человеческих ресурсов найти трудно, да и эффективность копирайтеров-людей ниже, считают в Alimama. На помощь пришел ИИ-копирайтер, на вооружении которого стоят последние достижения в области обработки натуральной речи и глубокого обучения. Алгоритм использует эти возможности, чтобы изучать миллионы самых качественных текстов и на их основе делать свои. Разработчики говорят, что клиент может регулировать размер текста, его эмоциональный окрас, выбирать целевую аудиторию.  https://hightech.plus/2018/07/04/ii-kopiraiter-alibaba-proshel-test-tyuringa

27 апреля 2018 - На Нижнетагильском металлургическом комбинате (входит в состав горно-металлургического холдинга ЕВРАЗ) в апреле произошло долгожданное событие - запустили в работу доменную печь № 7. Управляющий директор ЕВРАЗ НТМК и ЕВРАЗ КГОК Алексей Кушнарев: "Прежде всего надо сказать о системе искусственного интеллекта, которая в автоматическом режиме контролирует практически все процессы на доменной печи. Доменщики сидят за пультом, управляют печью, а система им советует, какие решения принять, какой режим работы выбрать".  https://rg.ru/2018/04/26/reg-urfo/evraz-proizvodstva-v-nizhnem-tagile-i-...

13 февраля 2018 - Лаборатория Google DeepMind разработала новый подход к обучению алгоритмов искусственного интеллекта, который позволяет сделать процесс в десять раз эффективнее. Разработчики из лаборатории DeepMind предложили новый алгоритм машинного обучения под названием Importance Weighted Actor-Learner Architectures (IMPALA). Он позволяет отдельным частям обучаться выполнению сразу нескольких задач, а потом обмениваться знаниями между собой. Алгоритм лаборатории DeepMind обучался на недавно выпущенном датасете DMLab-30 — программа тренировалась на 57 играх компании Atari. Как показало тестирование, при наличии достаточного числа процессоров IMPALA может обрабатывать примерно 250 000 кадров в секунду или 21 миллиардов кадров в день. Как пишет The Next Web, это абсолютный рекорд для такого рода задач. Сравнение с A3C показало, что система проходила игры в 10 раз эффективнее и в конце игры имела в два раза больше очков. Кроме того, разработчики отмечают, что новая программа превосходит и все предыдущие системы ИИ, и человекаhttps://nplus1.ru/news/2018/02/13/deepmind-ai-train

19 января 2018 - Исследователи из Дартмутского колледжа в США оценили, насколько эффективен алгоритм COMPAS, оценивающий вероятность рецидива преступления у обвиняемых. Программа успешно выявляла преступников-рецидивистов лишь в 65% случаев. Люди без специального образования и опыта вынесения приговоров справлялись с этой задачей в 67% случаев, зная лишь возраст, пол и историю преступлений обвиняемогоАвторы новой работы считают: полагаться на такие алгоритмы в реальной судебной практике пока не стоит — вероятность ошибки слишком велика.

16 января 2018 - Попытка IBM представить суперкомпьютерную программу врачам-онкологам (Watson for Oncology) стала провальной. ИИ обещал предоставить высококачественные рекомендации по лечению 12 видов рака, на долю которых приходится 80% случаев в мире. На сегодняшний день более 14 000 пациентов получили рекомендации на основании его расчетов. Но когда врачи впервые столкнулись с Watson, они оказались в довольно сложной ситуации. С одной стороны, если Watson давал указания относительно лечения, совпадающие с их собственными мнениями, медики не видели большой ценности в рекомендациях ИИ. Суперкомпьютер просто рассказывал им то, что они уже знали, и эти рекомендации не меняли фактического лечения. Это, возможно, давало врачам спокойствие и уверенность в собственных решениях. Но IBM еще не доказала, что Watson действительно увеличивает процент выживаемости с раком. С другой стороны, если Watson давал рекомендации, которые расходились с мнением экспертов, врачи заключали, что Watson некомпетентен. И машина не могла объяснить, почему ее лечение должно сработать, потому что ее алгоритмы машинного обучения были слишком сложными, чтобы их могли понять люди. Соответственно, это приводило к еще большему недоверию, и многие врачи просто игнорировали рекомендации ИИ, полагаясь на собственный опыт. В результате главный медицинский партнер IBM Watson — MD Anderson Cancer Center — недавно сообщил об отказе от программы. Датская больница также сообщила, что отказывается от программы после того, как обнаружила, что врачи-онкологи не согласны с Watson в двух случаях из трех.

09 декабря 2017 - Искусственный интеллект победил лучшего шахматиста, ничего не зная об игре. Свое мастерство AlphaZero приобрел без посторонней помощи, в отличие от всех предыдущих шахматных программ у него не было никаких эмпирических данных, никакой базы с архивами уже сыгранных шахматных партий, никакого знания о шахматных стратегиях и фигурах. Он просто знал, как ходят фигуры, и цель игры. Начав с чистого листа и вооружившись обучающим алгоритмом подкрепления, нейросетью и фигурами на доске перед ним, AlphaZero начал играть сам с собой, снова и снова, оттачивая свои навыки с каждой партией, и если говорить человеческими понятиями времени, провел за игрой в шахматы около 1400 лет за эти четыре часа. Система может обработать 800 000 позиций за секунду. Затем он таким же образом за восемь часов сумел превзойти AlphaGo в го, и за два часа — программу Elmo, которая раньше считалась неоспоримым чемпионом по игре в сёги

6 Августа 2017. Hi-News Практически любому человеку не составит труда, глядя на простенький рисунок, построить ассоциативный ряд и понять, что двухмерный квадратик с треугольником сверху представляет собой дом, а кружок над ним — это солнце. Компьютеры же таким похвастаться не могут. Однако, группа исследователей создала новый алгоритм, способный распознавать двухмерные образы и переводить их в 3D. Новый алгоритм уже прошел успешную серию испытаний и получил название SurfNet. В ходе его разработки на первом этапе эксперты «научили» нейронную сеть самостоятельно преобразовывать различные трехмерные изображения самолетов разных типов в их двухмерные аналоги, которые могут быть трансформированы обратно в трехмерную модель. Разработчики SurfNet утверждают, что алгоритмы, использованные в новой технологии, могут быть применены для упрощения создания трехмерных моделей, для систем дополненной или виртуальной реальности и при разработке видеоигр.

01 Августа 2017. Hi-News Специалисты DeepMind создали новый искусственный интеллект, способный использовать своё воображение для планирования дальнейших действийРазработчики говорят, что программы, оснащенные подобным ИИ, способны более осмысленно подходить к своим действиям, а именно – результату, которого они могут достичь. Они «думают» о своих будущих действиях и лучше предугадывают, какие их поступки впоследствии окажутся наиболее правильными. Новый подход к планированию на основе воображения получил название I2As. Развитие искусственного интеллекта может получить новый виток, если программы научатся использовать воображение, память и начнут проявлять любопытство.

23 Июля 2017. Hi-News Искусственный интеллект развивается большими шагами. В частности, так можно сказать про DeepMind. Компьютерные системы распознавания лиц уже работают достаточно хорошо и даже умеют различать эмоции. Но люди передают информацию не только лишь посредством лица, но и при помощи различных жестов и поз. Так что ученые из Института робототехники университета Карнеги — Меллон решили создать программу, которая с легкостью бы «читала» язык человеческих жестов и интерпретировала полученную информацию, и они ее разработали.

18 Июля 2017. Сообщество ВКонтакте Илон Маск вполне серьезно считает, что искусственный интеллект может стать серьезным противником человечеству, если не предпринимать никаких мер по предотвращению возможных угроз. Как говорит сам Маск: «У меня есть опыт работы с очень продвинутым ИИ и, по моему мнению, людям действительно стоит опасаться их. Я продолжаю бить тревогу, но пока люди не видят роботов, убивающих других людей на улицах, они не знают, как реагировать, поскольку им такой сценарий кажется нереалистичным». И решение этой проблемы Маск видит в должном регулировании. 

08 Июня 2017. Hi-News Рэй Курцвейл — известная фигура в кругах футурологов. По некоторым оценкам, 86% его прогнозов в прошлом сбывались с высокой точностью, среди которых: развал Советского Союза, развитие Интернета и победа компьютера над человеком в шахматной партии. На прошедшей конференции SXSW он заявил, что момент, когда технологии станут умнее людей, — будет в 2045 году. За шестнадцать лет до этого они будут такими же умными, как и мы - в 2029 году.

ИИ - это алгоритм, обучающийся с помощью перебора вариантов и внешней коррекции, указывающей на верные и неверные варианты. Выход за пределы, описанные алгоритмом, приведет к необходимости нового обучения и новой коррекции.

04 мая 2020 - «Большую часть того, что узнаем мы, люди, и узнают животные, происходит в режиме самообучения, а не обучения с подкреплением. Фактически, это наблюдение за миром и взаимодействие с ним понемногу, — сказал Лекун. — Этот тот тип обучения, который мы не знаем, как воспроизвести внутри машины». Главное препятствие на этом пути — неопределенность. Исследователи пока не умеют получать полезные распределения значений в ситуации, когда они не дискретные, а продолжительные. По мнению Лекуна, решением может быть модель, которая изучает математические элементы в наборе данных и пытается генерировать схожие наборы данных. В прошлом такой метод было сложно применять на практике, но недавние исследования позволяют преодолеть этот барьер. Бенджио, со своей стороны, полагает, что ИИ многое может взять из области нейробиологии, в частности, из исследований сознания. Он предполагает, что новые исследования позволят понять, как высокоуровневые семантические переменные сочетаются с методом обработки информации — в том числе, визуальной — мозгом. Эти переменные — элементы человеческой коммуникации, и они могут привести к появлению нового поколения моделей глубокого обучения. Еще один отсутствующий у ИИ компонент — подспудное знание. По словам Лекуна, большинство людей могут научиться водить машину за 30 часов, потому что обладают интуитивным пониманием принципов действия автомобилей. Модели обучения с подкреплением вынуждены начинать с чистого листа. Они совершают тысячи ошибок, прежде чем учатся принимать безопасные решения. «Очевидно, мы должны изучать модели мира, и в этом основной смысл обучения без учителя — запуск предиктивных моделей мира позволит системам учиться очень быстро при помощи этой модели, — сказал ученый. — Теоретически, это очень просто — за исключением неопределенной среды, которую мы вообще не можем прогнозировать». При этом Лекун подчеркнул, что даже обучения с самоконтролем и знаний нейробиологии недостаточно, чтобы достигнуть универсального искусственного интеллекта (AGI), гипотетического ИИ, способного к пониманию. «AGI не существует — нет такой вещи, как универсальный ИИ, — заявил он. — Мы можем говорить об интеллекте уровня крысы, кошки, собаки или человека, но не об универсальном интеллекте»https://m.hightech.plus/2020/05/04/yan-lekun-nikakogo-universalnogo-ii-n...

21 декабря 2018 - Люди способны узнать собаку, даже если она спряталась за стулом, из-за которого видны только лапы и хвост. С помощью интуиции человек легко поймет, где находится голова собаки, а где — остальная часть ее тела, однако эта способность все еще недоступна большинству систем ИИ. Способность компьютеров определять то, что они видят, ограничена степенью их обучения и программирования людьми.  Даже лучшие на сегодня системы компьютерного зрения не могут создать полную картину объекта на основе только определенных его частей. Современные системы компьютерного зрения не предназначены для самостоятельного обучения, поэтому их программируют путем демонстрации тысяч изображений объектов, которые они должны идентифицировать. Кроме того, компьютеры не могут интуитивно определить, что изображено на фотографии: системы на основе ИИ не составляют внутренний образ знакомых объектов, как это делают люди. https://naked-science.ru/article/hi-tech/iskusstvennyy-intellekt-0

08 декабря 2018 - Методы «слабого ИИ» работают только в ситуациях, которые входят в алгоритм. Даже глубокое обучение нейросетей — это просто отладка и коррекция алгоритма. У автоматизации есть принципиальная особенность — она не работает в неалгоритмизированном пространстве, в таком, где четко не определены все шаги и их порядок. Поэтому число ситуаций, доступных ей, ограничено, и для того, чтобы осваивать всё их бесконечное разнообразие — автоматизации нужно беспредельно долго развиваться. Хотя когда-нибудь человечество на каких-нибудь супермощных вычислительных устройствах запустит программу, которая будет объединять практически всё, что возможно алгоритмизировать, например, в военной сфере — и расчет траектории полета снаряда, и распознание комплексов вооружения противника, и принятие решения командиром, и допрос пленного, и многое другое. И судя по тому, что на многие вычислительные вопросы у такой программы будут ответы, то возникнет иллюзия искусственного интеллекта. Но в действительности это будет автоматизированная система, которая попадая в новую, ранее не встречавшуюся и поэтому не алгоритмизированную ситуацию, не сможет с ней справиться. И здесь человеку опять придется потрудиться и над самой ситуацией, и над включением её в алгоритм. Конечно можно дальше продолжать совершенствование такой глобальной автоматизированной системы и научить её самостоятельно создавать новые алгоритмы под новые ситуации, но каждый раз целевая установка алгоритмизации будет исходить от человека, он будет являться работодателем у послушного, очень производительного, многофункционального, но не способного к творчеству работника. Компьютеры, обыгрывающие чемпионов в шахматы, и соответствующее программное обеспечение узкоспециализированы. Они умеют только играть в свои дискретные игры с полной информацией, игры, для которых важна только текущая позиция и не значима предыстория. Для них крайне эффективны различные переборные методы с дополнительными правилами, как эти переборы сокращать.    http://russiancouncil.ru/analytics-and-comments/analytics/v-pogone-za-so...

Успехи ИИ стали результатом миниатюризации электронных устройств и увеличения их производительности. У этих процессов ест предел, после которого развитие ИИ затормозится. Текущие возможности компьютеров не позволяют создать "сильный ИИ".

27 октября 2019 - Ученые Google утверждают, что они создали квантовое вычислительное устройство Sycamore, скорость вычислений которого в 100 миллионов раз быстрее обычных компьютеров. То, на что у современного суперкомпьютера уйдут тысячи лет, у Sycamore займет несколько минут (200 секунд). Между квантовыми компьютерами, способными оперировать большими данными, и искусственным интеллектом существует прямая связь. Любая нейронная сеть ищет закономерности, что позволяет ей определить, например, что изображено на картинке. Однако для этого компьютеры вынуждены провести астрономическое количество вычислений. Ситуация осложняется с моделированием реальных природных систем, например, такой нейронной сети, как человеческий мозг. Со сложностью системы время на вычисления увеличивается экспоненциально. Человеческий мозг состоит из сотен миллионов клеток, которые связаны между собой синапсами. Квантовое превосходство в теории дает возможность смоделировать и его, и более сложные системы, например, суперинтеллект.  https://lenta.ru/articles/2019/10/27/qyantummonster/   Подробнее - в прогнозах про квантовые компьютеры

23 декабря 2018 - "Если говорить о том, что должна появиться такая машина, которая пройдет тест Тьюринга, — то движение к этому может действительно достаточно сильно притормозиться. К примеру, не так давно Intel разработал и выпустил специальные процессоры Loihi, которые работают примерно так же, как синапсы головного мозга человека. В 2019 году его версия будет содержать более 100 млрд синапсов. Чтобы повторить мозг мыши, нужно 0,125 трлн синапсов — это 512 процессоров такого формата. А у человека только 4,5% коры содержат 9 трлн синапсов. То есть для того, чтобы повторить даже на таких процессорах весь объем нашего мозга, нужно построить из них небоскреб. Опять упираемся в технологические ограничения. Сейчас проектируются, по сути, маленькие кусочки, так как мы не можем сделать целый мозг, но стараемся делать микрочасти участков мозга. И используя их небольшие относительно полного ИИ возможности, уже сейчас получаются прорывные вещи".  Сергей Юдовский — эксперт в ИТ-технологиях, генеральный директор Центра роботизации и искусственного интеллекта.   https://hightech.fm/2018/12/13/sergej-judovskij

08 декабря 2018 - Популярные сегодня сверточные нейросети были предложены 30 лет назад. И весь современный бум их использования связан с миниатюризацей микроэлектроники, с ростом количества транзисторов на кремниевой микросхеме заданных размеров. Но эмпирический закон Мура, продолжающий «выкачивать» из кремния все возможности, уже не так очевиден. К примеру, возникновение «многоядерности» процессоров говорит о том, что дальнейшая миниатюризация микроэлектроники близка к пределу. Аналогично, недалека от естественной границы и длина волны ультрафиолетового излучения, с помощью которого «наносят трафарет» на кремниевой пластине. Чем меньше эта длина, тем меньше получаются транзисторы. Таким образом, используется практически минимально возможная длина волны, дальше свет перейдет в рентгеновский или гамма-диапазон, в котором уже меняются свойства кремния, делающие невозможным его использование в микроэлектронике. Еще более категоричные доводы сводятся к тому, что в ближайшее время один из размеров транзистора на кремнии будет составлять всего 10–20 атомов. Поэтому очередное крутое развитие «слабого ИИ» (а значит и автоматизации) в недалёкой перспективе сменится более пологими изменениями. http://russiancouncil.ru/analytics-and-comments/analytics/v-pogone-za-so...

08 декабря 2018 - Говоря о создании «сильного ИИ» в виде программы на ЭВМ, следует отметить, что одной из проблем являются вычислительные ограничения при решении даже слабо интеллектуальных задач, таких, какие легко решают маленькие дети. Так, для распознавания кошачьих мордочек Cat Detector от Google использовал 1000 серверов с 16 000 ядер. «Умный» вертолет, который умел бы выполнять эту крайне узкую функцию, с таким набором аппаратуры не смог бы подняться в воздух. Аналогично трудно себе представить компактное устройство (например, андроидный робот), который может играть с человеком в шахматы или игру го. В первом случае в этот робот пришлось бы запихнуть несколько шкафов суперкомпьютера Deep Blue компании IBM, выигравшего у Г. Каспарова в 1997 г., во втором — 1920 CPU (центральных процессоров) и 280 GPU (графических процессоров), победивших Ли Седоля в 2016 году, и это практически на предельных возможностях кремния! Ведущие игроки микроэлектроники (Intel, AMD и др.) давно уже озабочены «пределом кремния», поэтому активно занимаются поиском путей решения этой проблемы. Это создание трехмерных транзисторов, использование не-кремниевых материалов (например, графена), развитие обратимых и квантовых вычислений и т.п. Но все эти пути, как это часто бывает при эволюционном развитии техники, помимо очевидных преимуществ, например, в быстродействии, обладают и серьезными недостатками. Так, трехмерные транзисторы работают как обогревательные приборы, не-кремниевые материалы чувствительны к параметрам тока, квантовые вычисления критичны к нарушению когерентности состояний элементарных частиц. Но даже если указанные недостатки будут преодолены, то все равно через некоторое время мы подойдем к пределу трехмерных транзисторов, графена или наноуглеродных трубок и опять начнется поиск очередных путей повышения производительности или более точно — соблюдение массо-габаритных параметров компьютера, соответствующих нуждам человека. 

16 августа 2018 - У человека около 86 миллиардов нейронов, а между ними — 150 триллионов синапсов. У каждого синапса порядка тысячи молекулярных триггеров. Если представить мозг в виде компьютера, то у него было бы 150 квадриллионов транзисторов. У суперкомпьютера последнего поколения Summit, запущенного в США в июне этого года, всего 21 миллиард транзисторов. По оценкам футурологов, суперкомпьютер необходимой мощности появится не раньше чем через 100 лет. Чтобы детально симулировать деятельность человеческого мозга, необходимы йоттафлопсы мощности 10 в 24-й степени операций в секунду, а возможностей нынешних машин, измеряемых в сотнях петафлопс (10 в 15-й степени операций в секунду), хватит только на грубую симуляцию нервной системы червя Rotifera, состоящей из надглоточного ганглия и нескольких нервных стволовhttps://ria.ru/science/20180816/1526608414.html

23 января 2018 - Профессор Гари Маркус, бывший глава ИИ-направления в Uber, считает, что ожидания в отношении ИИ сейчас сильно завышены. "Глубокое обучение" — это слово означает лишь то, что у нейронных сетей такого формата много слоев, но ни о какой глубине «мышления» алгоритмов речи не идет. Маркус объясняет успехи ИИ в играх тем, что он хорошо работает только на статических наборах данных. Поэтому алгоритмам подвластны, например, шашки и го. Когда же речь заходит о применении ИИ в медицине, финансах и экономике, то появляется ряд проблем. Например, непрозрачность (о чем речь ниже в новости от 16 января - комментарий 4teller). Алгоритмы глубокого обучения используют миллионы и даже миллиарды параметров. Человеку сложно идентифицировать их привычным для себя способом, что в конечном итоге может привести к тому, что неправильный диагноз или финансовый прогноз будет выдан за правильный. Эта непрозрачность приводит к тому, что ИИ трудно корректировать. Настроить алгоритм нельзя, залезть внутрь тоже нельзя. Другими словами, подход глубокого обучения очень ограничен и мало вероятности, что именно он приведет к созданию так называемого общего ИИ, то есть алгоритма, способного имитировать работу человеческого сознания. 

Попытки создания моделей работы мозга

08 декабря 2018 - Для разработки ИИ в виде программ на ЭВМ активно разрабатываются структурные модели мозга, в основном — коры его больших полушарий, так называемого «неокортекса». В этих моделях, часто именуемых «коннектомами», делаются попытки определить место всех нейронов (а их у человека около 100 млрд) со всеми их связями (порядка 10–15 тыс. на один нейрон). Для этого сейчас применяются методы магнитно-резонансной и позитронно-эмиссионной томографии, электроэнцефалографии, делаются тончайшие срезы мозга, изучаемые под микроскопами. В будущем планируется цифровизация нейронов и их связей с помощью нанороботов и даже нейрохиругическая замена нейронов в мозгу транзисторами в компьютере. Несмотря на масштабность таких проектов и громкие заявления исследователей, серьезных успехов пока не наблюдается. «Коннектомы» некоторых простейших существ известны уже много лет. Так, структурная модель мозга нематоды — маленького полупрозрачного червячка — существует уже около 30 лет. В ней учтены все 302 нейрона этого существа со всеми их связями. Однако за такой период ученые так и не научились «оживлять» эту модель. Еще в большей степени это относится к мозгу более сложных животных, а тем более к мозгу человека. Даже простая его структуризация потребует десятков лет кропотливого труда, не говоря уже об использовании такой гигантской модели для имитации сложных мыслительных процессов.

16 августа 2018 - Сегодня в мире реализуют два крупных проекта, чья основная цель — действующая компьютерная модель мозга. В рамках первого — Brain Blue Gene, стартовавшего еще в 2005 году, исследователи создали искусственный аналог неокортекса крысы (части коры больших полушарий головного мозга), состоящего из 31 тысячи нейронов. Чтобы смоделировать небольшой участок крысиного мозга (объемом всего 0,29 кубического миллиметра) и симулировать его работу, понадобились десять лет и вся вычислительная мощность суперкомпьютера Blue Gene (209 терафлопс), разработанного компанией IBM специально для этого проекта. Разработкой модели мозга занимаются ученые из международного проекта Human Brain Project, основанного пять лет назад. Планируется, что действующая модель человеческого мозга будет готова к 2023 году. Сейчас исследователи из Human Brain Project пытаются реконструировать отделы мозга крысы (гиппокамп, мозжечок, сенсомоторная кора, базальные ганглии) и работают над "режимом реального времени", при котором одна секунда функционирования мозга моделировалась бы процессорами тоже за одну секунду. На основе полученных результатов исследователи надеются воссоздать весь мозг грызуна, а впоследствии и человека. https://ria.ru/science/20180816/1526608414.html

Индустрия ИИ требует все больше ресурсов для обучения растущих моделей, в которых появляется все меньше значимых улучшений. Сейчас подобные затраты могут позволить себе только крупнейшие компании вроде Facebook, Microsoft и Google. Порог входа в индустрию увеличивается, а это влечет снижение венчурных инвестиций и вероятности появления инноваций в разработке ИИ.

04 декабря 2019 - Специалисты ожидают прихода очередной «зимы ИИ» — периода, во время которого снижается общий интерес к этому направлению и финансирование соответствующих исследований. По словам, Франсуа Шолле, одного из главных специалистов по deep learning, скорость развития решений для глубокого машинного обучения, достигла минимального уровня за последните пять лет. При этом индустрия ИИ требует все больше энергии для обучения растущих моделей, в которых появляется все меньше значимых улучшений. Сейчас подобные затраты могут позволить себе только крупнейшие компании вроде Facebook, Microsoft и Google. Порог входа в индустрию увеличивается, а это влечет снижение венчурных инвестиций и вероятность появления инноваций в разработке ИИhttps://hi-tech.mail.ru/news/outrageous_predictions_2020/

Другие прогнозы по теме "Искусственный интеллект"

О проекте "Википедии будущего"

6 мая 2020
User Image4teller(87)%
04 мая 2020 - «Большую часть того, что узнаем мы, люди, и узнают животные, происходит в режиме самообучения, а не обучения с подкреплением. Фактически, это наблюдение за миром и взаимодействие с ним понемногу, — сказал Лекун. — Этот тот тип обучения, который мы не знаем, как воспроизвести внутри машины». Главное препятствие на этом пути — неопределенность. Исследователи пока не умеют получать полезные распределения значений в ситуации, когда они не дискретные, а продолжительные. По мнению Лекуна, решением может быть модель, которая изучает математические элементы в наборе данных и пытается генерировать схожие наборы данных. В прошлом такой метод было сложно применять на практике, но недавние исследования позволяют преодолеть этот барьер. Бенджио, со своей стороны, полагает, что ИИ многое может взять из области нейробиологии, в частности, из исследований сознания. Он предполагает, что новые исследования позволят понять, как высокоуровневые семантические переменные сочетаются с методом обработки информации — в том числе, визуальной — мозгом. Эти переменные — элементы человеческой коммуникации, и они могут привести к появлению нового поколения моделей глубокого обучения. Еще один отсутствующий у ИИ компонент — подспудное знание. По словам Лекуна, большинство людей могут научиться водить машину за 30 часов, потому что обладают интуитивным пониманием принципов действия автомобилей. Модели обучения с подкреплением вынуждены начинать с чистого листа. Они совершают тысячи ошибок, прежде чем учатся принимать безопасные решения. «Очевидно, мы должны изучать модели мира, и в этом основной смысл обучения без учителя — запуск предиктивных моделей мира позволит системам учиться очень быстро при помощи этой модели, — сказал ученый. — Теоретически, это очень просто — за исключением неопределенной среды, которую мы вообще не можем прогнозировать». При этом Лекун подчеркнул, что даже обучения с самоконтролем и знаний нейробиологии недостаточно, чтобы достигнуть универсального искусственного интеллекта (AGI), гипотетического ИИ, способного к пониманию. «AGI не существует — нет такой вещи, как универсальный ИИ, — заявил он. — Мы можем говорить об интеллекте уровня крысы, кошки, собаки или человека, но не об универсальном интеллекте». https://m.hightech.plus/2020/05/04/yan-lekun-nikakogo-universalnogo-ii-n...
5 декабря 2019
User Image4teller(87)%
04 декабря 2019 - Специалисты ожидают прихода очередной «зимы ИИ» — периода, во время которого снижается общий интерес к этому направлению и финансирование соответствующих исследований. Отмечается, что за последние годы крупнейшие компании тратили миллиарды долларов на изучение искусственного интеллекта. По словам, Франсуа Шолле, одного из главных специалистов по deep learning, скорость развития решений для глубокого машинного обучения, достигла минимального уровня за последните пять лет. При этом индустрия ИИ требует все больше энергии для обучения растущих моделей, в которых появляется все меньше значимых улучшений. Сейчас подобные затраты могут позволить себе только крупнейшие компании вроде Facebook, Microsoft и Google. Порог входа в индустрию увеличивается, а это влечет снижение венчурных инвестиций и вероятность появления инноваций в разработке ИИ. https://hi-tech.mail.ru/news/outrageous_predictions_2020/
13 октября 2019
User ImageГеннадий Орловский(73)%
13 октября 2019 - Президент Российской Федерации подписал «Указ о развитии искусственного интеллекта». Документ утверждает «Национальную стратегию развития ИИ до 2030 года», а также регламентирует ее выполнение, формирование федеральных бюджетов на реализацию указа и обязывает всех исполнителей ежегодно отчитываться о ходе работ. «Стратегия» станет частью национальной программы «Цифровая экономика» и до 15 декабря 2019 года в нее должны будут внесены изменения, предусмотренные «Указом». В этом документе описываются цели и задачи развития искусственного интеллекта в России, а что самое главное, дается его юридическое определение. Под ИИ в «Стратегии» подразумевается комплекс программных и аппаратных решений, которые позволяют получать при выполнении тех или иных задач результаты, как минимум, сопоставимые с результатами работы человека. Технологии искусственного интеллекта должны будут способствовать повышению эффективности планирования, прогнозировани и принятия решений руководящими структурами и отдельными лицами. Это справедливо как для государственных организаций, так и частных фирм. Более того, предполагается, что в результате реализации «Стратегии» удастся в масштабах страны автоматизировать значительную часть рутинных производственных операций, повысить безопасность труда и снизить риски самых разных бизнес-процессов.
Существующие похожие прогнозы
Когда-нибудь
прогноз сбудется
Техника и наука
Компания Nvidia продемонстрировала свою первую VR-систему, рассчитанную сразу на несколько человек.
Примерно
31 декабря 2027
прогноз сбудется
Техника и наука
Renault и Qualcomm разрабатывают беспроводной способ подзарядки батарей электромобилей во время движения
Примерно
14 августа 2024
прогноз сбудется
Техника и наука
Ілон Маск заявив, що далекобійні електричні літаки будуть створені вже за п'ять років.
Когда-нибудь
прогноз сбудется
Техника и наука
Американская компания Lit Motors создала двухколесный электрический гироскутер C-1
Примерно
31 декабря 2028
прогноз сбудется
Техника и наука
Власти Китая намерены создать космический флот, состоящий из ракет, который сможет защитить Землю от падения астероида.
Примерно
12 февраля 2041
прогноз сбудется
Техника и наука
Компания Sumitomo Forestry хочет построить в Токио 70-этажный деревянный небоскреб. Здание высотой 350 метров появится в деловом районе Маруноути в 2041 году
Примерно
15 ноября 2025
прогноз сбудется
Техника и наука
Компания Fisker создала аккумуляторы для электромобилей, способные полностью заряжаться за минуту. В производство новые батареи должны пойти к 2020 году.
Когда-нибудь
прогноз сбудется
Техника и наука
Новое исследование из Финляндии рассматривает возможность прямого забора энергии из растений
Не позднее
31 декабря 2022
прогноз сбудется
Техника и наука
Стеклянная батарея лауреата Нобелевской премии Джона Гуденоу скоро может стать реальностью. Канадская Hydro-Quebec планирует выпустить ее к 2022 году.
Примерно
31 декабря 2021
прогноз сбудется
Техника и наука
Компания Florida Power & Light объявила о планах по созданию центра Manatee Energy Storage Center, крупнейшей в мире системы хранения солнечной энергии.

Смотрите индивидуальную Ленту новостей, настроенную по вашим интересам

Настройте вашу ленту: подпишитесь на прогнозы и мнения авторов сайта, своих друзей, экспертов, СМИ или блогеров

Поиск будущих событий    Тенденции    Календарь    Завершенные прогнозы